脑神经信息活动

脑神经信息活动的特征详解BP神经网络解析及示例

脑神经信息活动的特征包括巨量并行性、信息处理和存储单元的集成，以及自组织自学习功能。

算法与数据结构 0 2024-09-20

基于小脑神经网络的正弦函数逼近程序

该程序利用小脑神经网络对正弦函数进行逼近，采用Matlab编写，不借助工具箱函数，为学习者提供了实用的编程示例。

Matlab 2 2024-07-23

Oracle活动SQL

针对Oracle数据库的活动SQL工具

Oracle 3 2024-07-31

公司活动抽奖源码

一款简洁的晚会抽奖程序,随机产生中奖号码,适用于公司年会等场合。

Access 3 2024-04-30

挖掘影响目标活动模式

通过分析不平衡数据中的影响目标活动模式，有助于找出重要指标。

数据挖掘 2 2024-05-20

利用主动学习和条件互信息优化人体活动识别的数据融合MATLAB代码

本仓库包含与论文“利用主动学习和条件互信息以最大程度减少人类活动识别中的数据注释”相关的MATLAB代码，特别适用于数据集的交叉验证分区。采用了基于池的信息丰富和多样化的采样方法，使得处理大型数据集（如ExtraSensory）更加高效。

Matlab 0 2024-09-25

UCIS-etl框架ETL活动图

此活动图展示了UCIS-etl框架中的ETL流程步骤。

数据挖掘 7 2024-04-29

Matlab中的Shannon和Fisher信息在有限神经群体中的应用

香农代码的matlab，探讨了在有限神经群体中应用Shannon和Fisher信息的方法。该方法通过引入技术和计算手段，对信息理论的基础进行了创新性的应用和扩展。这些方法的发展，为理解神经群体中信息处理的复杂性提供了新的视角和工具。

Matlab 0 2024-08-22

天气条件下的活动决策熵

在已知天气条件下，活动的不确定性可以通过条件熵来衡量。具体而言，活动在天气条件下的条件熵 H(活动|天气) 可以通过如下公式计算： H(活动|天气) = ∑ p(天气) * H(活动|天气) 其中 p(天气) 表示特定天气条件出现的概率，H(活动|天气) 表示在该天气条件下活动的熵。 例如，根据给定的数据，我们可以计算出 H(活动|天气) = (5/14)0.971 + (4/14)0 +(5/14)*0.971 = 0.693。 这意味着，在已知天气条件的情况下，活动的决策仍然存在一定程度的不确定性。

算法与数据结构 6 2024-05-19

查看二级缓存活动

设置 log4j.logger.org.hibernate.cache=debug 查看二级缓存的调试日志，发布时请注释掉以优化性能。

MySQL 3 2024-05-28